En entornos industriales se escucha con frecuencia que la IA resuelve todos los problemas de inspección, pero la realidad de las fábricas revela una complejidad mayor. La mayoría de los sistemas desplegados se basan en redes neuronales convolucionales (CNN) — incluidas las variantes YOLO — que examinan regiones localizadas y pequeñas de la imagen para identificar defectos.
Aunque eficaces ante defectos obvios y aislados, estas redes fallan cuando se enfrentan a patrones intrincados o dispersos. Comprender cómo funcionan realmente las CNN permite a los profesionales evitar el exceso de confianza y desarrollar metodologías de prueba más sólidas.
La IA industrial se apoya en el aprendizaje automático con deep learning que identifica características de forma automática. Las CNN dominan las tareas de inspección de imágenes y potencian modelos de uso extendido como YOLO.
Las CNN aplican múltiples filtros sobre las imágenes de entrada. Una imagen de 640×640 píxeles procesada con un kernel de 3×3 con stride 2 se reduce progresivamente: tras tres capas de este tipo, el mapa de características interno efectivo se reduce a 80×80 píxeles, mientras la profundidad aumenta con múltiples canales que representan distintos patrones detectados.
Cada kernel captura información de píxeles vecinos locales, funcionando de manera similar a una bandeja de inspección compartimentada — ve claramente su propia sección, pero no tiene consciencia de lo que ocurre en el resto de la imagen.
Las complicaciones surgen cuando los defectos muestran patrones complejos que abarcan regiones más amplias — como defectos pequeños adyacentes o formas dependientes del contexto. Capturar defectos dispersos requiere una reducción de resolución significativa, lo que puede sacrificar detalle o confundir problemas cercanos.
Esto significa que una CNN que funciona bien en condiciones de laboratorio con defectos limpios y aislados puede fallar sistemáticamente en la línea de producción real, donde la variabilidad real — polvo, sombras, desplazamientos posicionales, cambios de lote — es la norma, no la excepción.
Los ingenieros no pueden depender exclusivamente de las afirmaciones sobre la arquitectura. Revisar los datos de entrenamiento — volumen, diversidad, equilibrio y, en particular, la matriz de confusión — resulta esencial antes de confiar en cualquier sistema de inspección por IA en producción.
Antes de desplegar, pregunta al proveedor: ¿qué tipos de defectos hay en el conjunto de entrenamiento? ¿Cómo se manejó el equilibrio de clases? ¿Qué ocurre con los defectos que aparecen en el límite entre dos regiones de inspección?
Las próximas ediciones examinarán los Vision Transformers (específicamente DETR) como arquitectura alternativa que aborda estas limitaciones de visión local.